Scalabilità automatica di Kubernetes con Prometheus Metrics personalizzate

Le metriche standard di CPU e memoria spesso non sono sufficienti per scalare le applicazioni moderne. Per gestire in modo efficace i modelli di traffico del mondo reale, i cluster Kubernetes devono scalare in base a dati specifici dell'applicazione come le frequenze delle richieste o le profondità delle code.\n\nQuesto corso basato su testo ti guida attraverso l'intero processo di configurazione di un Horizontal Pod Autoscaler (HPA) guidato da metriche personalizzate. Imparerai come strumentare la tua applicazione, esporre le metriche a Prometheus e configurare l'API delle metriche personalizzate per rendere i tuoi carichi di lavoro veramente reattivi alla domanda degli utenti.\n\nCosa imparerai:\n- Comprendere i concetti di base di autoscaling di Kubernetes e come l'HPA interagisce con le API delle metriches\n- Strumentare il codice dell'applicazione per esporne le metriches personalizzabili. metrics\n- Configurare l'adattatore Prometheus per tradurre le metriche personalizzate per l'API Kubernetes\n– Definire e distribuire una risorsa HPA che si rivolge alle metriche specifiche dell'applicazione\n – Applicare tecniche di risoluzione dei problemi per diagnosticare i ritardi di autoscaling e le mancate corrispondenze delle metriche più comuni\n Questo corso è progettato per sviluppatori software, principianti DevOps e amministratori di sistema che desiderano andare oltre il semplice controllo di accesso a CPU / memoria. Non è richiesta alcuna esperienza avanzata di scalabilità. Inizia a creare implementazioni Kubernetes più resilienti e autoscalabili oggi stesso.